Хотя многие оптимизации на основе эвристики (я имею в виду способы увеличения глубины дерева без фактического поиска), обсуждаемые в литературе по программированию шахмат, я думаю, что большинство из них редко используются. Причина в том, что они являются хорошими ускорителями производительности в теории, но не на практике.
Иногда эти эвристики могут возвращать плохой (я имею в виду не лучший) ход тоже.
Люди, с которыми я говорил, всегда рекомендуют оптимизировать альфа-бета-поиск и внедрять итеративное углубление в код, а не пытаться добавить другие эвристики.
Основная причина в том, что компьютеры растут в вычислительной мощности, и исследование [требуется цитата, я полагаю] показала, что программы, которые используют свое полное время процессора для перебора, альфа-бета-дерево на максимальную глубину всегда опережали программы, которые разделяют свое время между определенными уровнями альфа-бета, а затем некоторые эвристики.
Несмотря на то, что использование некоторых эвристик для расширения глубины дерева может нанести больше вреда, чем пользы, это многие ускорители производительности, которые вы можете добавить в алгоритм альфа-бета-поиска.
Уверен, что вы знаете, что для работы альфа-бета, так как он предназначен для работы, вы должны иметь механизм сортировки перемещения (итерационное углубление). Итеративное углубление может дать вам повышение на 10%.
Добавление Основная вариация поискового запроса h Техника для альфа-бета может дать вам дополнительный 10-процентный импульс.
Попробуйте алгоритм MTD (f). Он также может повысить производительность вашего двигателя.